基于云计算的分布式库存调拨模型构建与算法研究

发布时间：2017-09-03 16:37

  本文关键词：基于云计算的分布式库存调拨模型构建与算法研究

  更多相关文章： 分布式库存 层次控制 和声搜索 Hadoop 负载均衡

【摘要】：库存调拨是物流管理的重要组成,随着电子商务的蓬勃发展,库存调拨的特点已由曾经的地域化、独立化转变为跨地区化和信息共享化,这一特点的集中体现则是分布式库存调拨在库存管理系统中的广泛应用。分布式库存调拨通过一个仓储信息中心,实现各地区仓库货物库存的合理分配,大大的减少了库存管理费用。但库存信息的跨区域共享以及模型求解算法的效率与准确性在大数据的背景下始终是需要不断应对的难题。云计算是近年来较为热门的大数据解决方案,本文运用Hadoop的云计算平台与并行算法设计的知识,对分布式库存调拨模型的建立以及算法求解和性能优化进行了研究和实验,主要工作内容如下:(1)建立基于云计算的层次控制分布式库存调拨模型。针对传统的集中控制与分散控制下的分布式库存调拨模型的不足,引入云计算的PaaS(Platform-as-a-Service)服务,将库存调拨系统部署在云平台上,凭借云平台的分布式信息共享能力设计一种层次控制的分布式库存调拨模型,该模型兼具集中控制与分散控制的优点,充分发挥了库存信息共享的价值。(2)设计基于云计算的改进型和声搜索算法对模型求解。针对传统寻优算法全局搜索性能较差的缺陷,选择启发式算法中全局搜索性能较强的和声搜索算法进行并行化改进,提出基于MapReduce的动态参数和声搜索并行算法。算法通过对各个区域的库存子系统分别建立和声库矩阵进行局部寻优,再由仓储信息中心进行全局寻优,实现各区域库存信息共享下的库存调度优化。实验表明该算法在分布式库存调拨模型的求解中能够更快的跳出局部最优,搜索到更优的全局解,具有实用价值。(3)对Hadoop云平台进行负载均衡优化。针对仿真实验中云平台上的算法执行效率未达到预期的问题,研究了MapReduce在Hadoop平台上的任务调度机制,提出DPLB(Dynamic Priority Load Balance,动态优先级负载均衡)的优化调度算法,该算法利用TaskTracker与JobTracker之间定时发送的心跳信息,设计一种动态优先级的调度特征量,有效地解决了任务执行过程中节点负载不均衡的问题,提高了模型的求解效率。研究表明,针对云计算下层次控制分布式库存调拨模型设计的动态参数和声搜索并行算法在库存调拨策略的寻优上能够获得较高的寻优精度与收敛速度,并且结合动态优先级负载均衡的平台优化算法能够进一步提高寻优效率,具有较高的研究与应用意义。
【关键词】：分布式库存 层次控制 和声搜索 Hadoop 负载均衡
【学位授予单位】：广西师范学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;TP301.6
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-14
• 1.1 课题来源9
• 1.2 研究的背景与意义9-10
• 1.3 国内外研究现状10-12
• 1.3.1 分布式库存调拨模型的研究现状10-11
• 1.3.2 和声搜索算法研究现状11-12
• 1.3.3 Hadoop集群负载均衡研究现状12
• 1.4 论文的主要研究内容12-13
• 1.5 本章小结13-14
• 第二章 层次控制下的分布式库存调拨模型的建立14-24
• 2.1 分布式库存调拨模型的介绍14-17
• 2.1.1 分布式库存调拨模型的概念14
• 2.1.2 分散控制的分布式库存调拨14-15
• 2.1.3 集中控制的分布式库存调拨15
• 2.1.4 基于云计算的层次控制分布式库存调拨15-17
• 2.2 模型假设17-18
• 2.3 符号定义18-19
• 2.4 模型建立19-22
• 2.4.1 订货成本19
• 2.4.2 库存持有成本19-20
• 2.4.3 缺货成本20
• 2.4.4 运输成本20
• 2.4.5 其它成本20-21
• 2.4.6 订货点与安全库存21
• 2.4.7 基于层次控制的分布式物流库存调拨模型21-22
• 2.5 模型特点22-23
• 2.6 本章小结23-24
• 第三章 基于MapReduce的动态参数和声搜索并行算法24-39
• 3.1 模型求解的算法思路24
• 3.2 和声搜索算法介绍24-26
• 3.3 算法改进思路26
• 3.3.1 并行和声搜索26
• 3.3.2 参数的动态设定26
• 3.4 基于MapReduce的动态参数和声搜索并行算法26-32
• 3.4.1 和声子库的并行27
• 3.4.2 动态参数设计27-29
• 3.4.3 和声搜索的Map和Reduce函数29-30
• 3.4.4 算法流程图30-32
• 3.4.5 算法分析与优势32
• 3.5 算法性能测试32-38
• 3.5.1 实验数据32-35
• 3.5.2 实验结果与分析35-38
• 3.6 本章小结38-39
• 第四章 负载均衡优化39-49
• 4.1 分布式库存调拨管理优化的进一步探讨39
• 4.1.1 影响系统响应时间的因素39
• 4.1.2 负载均衡优化的意义39
• 4.2 MapReduce在Hadoop上的任务调度39-40
• 4.3 常用的作业调度算法40-41
• 4.3.1 FIFO调度算法40
• 4.3.2 Capacity Scheduler调度算法40-41
• 4.3.3 Fair Scheduler调度算法41
• 4.4 动态优先级的负载均衡调度41-42
• 4.4.1 算法改进思想41
• 4.4.2 算法相关定义41-42
• 4.4.3 算法描述42
• 4.5 仿真实验42-48
• 4.5.1 云平台的软硬件配置42-43
• 4.5.2 Hadoop集群搭建43-45
• 4.5.3 实验结果与分析45-48
• 4.6 本章小结48-49
• 第五章 总结与展望49-51
• 5.1 工作总结49
• 5.2 工作展望49-51
• 参考文献51-55
• 附录 本文作者在攻读硕士学位期间所发表的论文55-56
• 致谢56-57

【参考文献】

中国期刊全文数据库 前10条

1 张玉娜;;生产物流采购物流和MRPⅡ的相互作用[J];物流工程与管理;2016年02期

2 关国栋;滕飞;杨燕;;基于心跳超时机制的Hadoop实时容错技术[J];计算机应用;2015年10期

3 万聪;王翠荣;王聪;贾朔;;MapReduce模型中reduce阶段负载均衡分区算法研究[J];小型微型计算机系统;2015年02期

4 杨勇;朱影;;一种基于MapReduce的粗糙集并行属性约简算法[J];重庆邮电大学学报(自然科学版);2015年01期

5 张文芬;杨家其;;考虑订货提前期的多种类海上突发事件应急资源库存控制策略研究[J];武汉理工大学学报(交通科学与工程版);2014年05期

6 李永林;叶春明;刘长平;;轮盘赌选择自适应和声搜索算法[J];计算机应用研究;2014年06期

7 孙小玲;李端;;整数规划新进展[J];运筹学学报;2014年01期

8 张庆涛;;浅谈库存管理系统对存货管理的提升及改善[J];时代金融;2014年06期

9 李双;李文敬;孙环龙;林中明;;基于多核机群的人工鱼群并行算法[J];计算机应用;2013年12期

10 周家帅;王琦;高军;;一种基于动态划分的MapReduce负载均衡方法[J];计算机研究与发展;2013年S1期

中国博士学位论文全文数据库 前1条

1 刘万峰;求解车辆路径问题的启发式算法及其在注塑排程问题中的应用[D];深圳大学;2015年

中国硕士学位论文全文数据库 前10条

1 付光鑫;基于3PL的JMI物料库存管理以及安全库存预测研究[D];西南交通大学;2015年

2 张钊;GA-BP算法在VMI库存管理中的应用与研究[D];大连海事大学;2014年

3 袁大荣;基于Hadoop的云物流调度系统研究[D];南京邮电大学;2014年

4 尹道明;基于云和声搜索算法的知识即服务组合优化研究[D];合肥工业大学;2013年

5 杨佳;和声搜索算法及其在多目标优化问题中的应用研究[D];合肥工业大学;2013年

6 张勤康;基于组合评价方法的第三方物流信息平台运行绩效评价研究[D];武汉理工大学;2012年

7 欧阳海滨;和声搜索算法的研究及其应用[D];东北大学;2012年

8 潘旭明;MapReduce FairScheduler的高性能优化及超大规模集群模拟器设计及实现[D];浙江大学;2012年

9 王倩;一种改进的和声搜索算法及其应用[D];华东理工大学;2012年

10 邹冉;供应链环境下分布式库存模型构建及算法研究[D];北京交通大学;2011年

，

本文编号：786156